Theoretical potential for endometrial cancer prevention through primary risk factor modification: Estimates from the EPIC cohort
Notice bibliographique
Résumé
Endometrial cancer (EC) incidence rates vary ~10‐fold worldwide, in part due to variation in EC risk factor profiles. Using an EC risk model previously developed in the European EPIC cohort, we evaluated the prevention potential of modified EC risk factor patterns and whether differences in EC incidence between a European population and low‐risk countries can be explained by differences in these patterns. Predicted EC incidence rates were estimated over 10 years of follow‐up for the cohort before and after modifying risk factor profiles. Risk factors considered were: body mass index (BMI, kg/m 2 ), use of postmenopausal hormone therapy (HT) and oral contraceptives (OC) (potentially modifiable); and, parity, ages at first birth, menarche and menopause (environmentally conditioned, but not readily modifiable). Modeled alterations in BMI (to all ≤23 kg/m 2 ) and HT use (to all non‐HT users) profiles resulted in a 30% reduction in predicted EC incidence rates; individually, longer duration of OC use (to all ≥10 years) resulted in a 42.5% reduction. Modeled changes in not readily modifiable exposures (i.e., those not contributing to prevention potential) resulted in ≤24.6% reduction in predicted EC incidence. Women in the lowest decile of a risk score based on the evaluated exposures had risk similar to a low risk countries; however, this was driven by relatively long use of OCs (median = 23 years). Our findings support avoidance of overweight BMI and of HT use as prevention strategies for EC in a European population; OC use must be considered in the context of benefits and risks.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».